Análise Comparativa Extração Metadados Artigos
•
0 gefällt mir•613 views
O documento analisa ferramentas de extração de metadados em artigos científicos, comparando seu desempenho em diferentes áreas do conhecimento. Objetiva identificar as melhores ferramentas e seu comportamento para cada área e metadado, usando um corpus de 100 artigos de 14 áreas. A metodologia inclui extrair metadados com cada ferramenta e analisar os resultados individuais e gerais para áreas e metadados.
Empfohlen
Weitere ähnliche Inhalte
Ähnlich wie Análise Comparativa Extração Metadados Artigos
Ähnlich wie Análise Comparativa Extração Metadados Artigos (20)
Mehr von Junior Grossi
Mehr von Junior Grossi (13)
Análise Comparativa Extração Metadados Artigos
- 1. Análise Comparativa de Ferramentas de Extração de Metadados em Artigos Científicos José Alberto Grossi Júnior Maio/2015
- 2. Introdução
- 3. Introdução • Necessidade de catalogação automatizada de artigos científicos. • Extração automática de informações, como títulos, autores e referências. • Representação na forma de metadados. • Ferramentas para extração de metadados.
- 4. Problema • Ferramentas focadas em artigos de Ciência da Computação. • Layouts pré-definidos, como é o caso do IEEE. • Poucos estudos do comportamento destas ferramentas em outras áreas do conhecimento.
- 5. Layouts padrões dos artigos IEEE.
- 6. Objetivos • Identificar as melhores ferramentas de extração de metadados; • Utilização de um corpus diversificado, contemplando diversas áreas do conhecimento (variação dos layouts). • Identificação do comportamento de ferramentas: • para cada área do conhecimento analisada; • para cada metadado.
- 7. Justificativa • Permitir um conhecimento maior do comportamento de cada ferramenta; seus pontos fortes e fracos. • Avaliar a diferenciação dos padrões para cada área do conhecimento e suas características.
- 9. Metadados • Definição de Metadado: • [...] an element of metadata describes an information resource, or helps provide access to an information resource.” • Padrão Dublin Core • Definição de 15 elementos padronizados.
- 10. Técnicas de Extração de Metadados
- 11. Técnicas • Support Vector Machines (SVM) • Reconhecimento de padrões através de análises matemáticas (análise espacial). • Hidden Markov Models (HMM) • Divisão do processamento em estados e símbolos durante um dado período de tempo. • Observação e aprendizado.
- 12. Técnicas de Extração • Word Clustering (Clusters de palavras) • Identificação de padrões e comparação com dicionários pré-determinados. • Conditional Random Fields (CRFs) • Construção de modelos probabilísticos; • Evolução do HMM (não vicioso).
- 13. Ferramentas
- 14. Ferramenta Linguagens Técnicas Command Line Cermine Java SVM, CRF, Word Clustering Sim TeamBeam Java Maximun Entropy, HMM Não Mendeley Qt SVM, Word Clustering Não CiteULike Perl, Python, Ruby, Tcl, Java Expressões Regulares Não CiteSeer Python, Perl, Java SVM, CRF (ParsCit), Word Clustering Sim ParsCit Perl, Ruby CRF Sim CrossRef Ruby, Python Expressões Regulares + Posicionamento Visual Sim
- 15. Ferramenta Linguagens Técnicas Command Line Cermine Java SVM, CRF, Word Clustering Sim TeamBeam Java Maximun Entropy, HMM Não Mendeley Qt SVM, Word Clustering Não CiteULike Perl, Python, Ruby, Tcl, Java Expressões Regulares Não CiteSeer Python, Perl, Java SVM, CRF (ParsCit), Word Clustering Sim ParsCit Perl, Ruby CRF Sim CrossRef Ruby, Python Expressões Regulares + Posicionamento Visual Sim
- 16. Metodologia
- 18. Corpus Área do Conhecimento Total de Artigos Arquitetura e Urbanismo 7 Música 7 Ciência da Computação 8 Ciência da Informação 9 Ciências Biológicas 7 Direito 7 Engenharia Civil 8 Letras 7 Matemática Computacional 7 Medicina 9 Odontologia 8 Psicologia 9 Sociologia 7 Total 100
- 20. Extração dos Metadados • Extração individual de cada artigo, coletando resultados para cada uma das ferramentas; • Análise dos resultados de cada ferramenta para cada área do conhecimento analisada, com base em médias aritméticas dos resultados individuais; • Análise dos resultados de cada ferramenta para cada metadado, tomando um resultado geral para todas as áreas do conhecimento; • Cálculo do Índice de Confiabilidade.
- 21. • Média ponderada com base nos resultados obtidos para cada metadado, juntamente com seu respectivo peso. • Classificação: • A partir de 90: Precisa • Entre 80 e 90: Satisfatória • Abaixo de 80: Insatisfatória Índice de Confiabilidade Metadado Peso Título 5 Autores 4 E-mails 1 Resumo 3 Referências 4
- 22. Ambiente de Testes Metadata Extraction Tool Dados aleatórios. Ferramenta em desenvolvimento.
- 25. Resultados Individuais por Ferramenta
- 27. Obrigado!